21º PGPAP - INHAMBANE:

Pós-Graduação Profissional em Administração

Pública

Módulo 1: INTRODUTÓTIO

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 1

II.  CONTEÚDOS  DO  MÓDULO
Sessão  de  Aula  Nº  3
• Plano  Temático
1.Elementos Básicos de Pesquisa
2. Métodos e Técnicas de pesquisa em Ciências Sociais
3. Amostragem
4. Fundações Teóricas e Conceptuais de Pesquisa

5. Procedimentos metodológicos em estudos de caso

6. Projecto de Pesquisa

7. Uso de pacotes Informáticos na apresentação e análise de dados: O SPSS

8. Estatística Descritiva, com recurso ao SPSS

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 2
9. Análise multivariada com recurso ao SPSS
 Sessão do tema Nº 3
Plano  Analítico  (1/3)
• Tema  3:  Amostragem
• População-­‐alvo  de  pesquisa;
• Amostra;
• Amostragens  probabilísticas:  
• Aleatória  simples;    
• sistemática;  
• estratificada;    
• por  conglomerados.  
• Amostragens  não  probabilísticas:  por  conveniência  ou  causal;  intencional  ou  por  
julgamento;  bola  de  neve  

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 3

 Pergunta  de  partida

Análise  de  conteúdo  (Vala,  1986)

PARADIGMAS
• ABORDAGEM QUANTITATIVA ABORDAGEM QUALITATIVA
(Hipotético-Dedutivo/Positista)
(Interpretativista)
1 Metodologia 1

Objectivo: 2 Técnicas ou  métodos 2 Objectivo:

• Medir; de  recolha  de  dados • Entender
• contar; (factos/fenómenos
3 3
• Contabilizar Abordagem  Mista sociais e/ou naturais)
(Estudo  de  caso)
Métodos  e  Tecnicas usadas
• Inquérito  por  questionário  (técnica  central) Métodos  e  técnicas:
• Entrevista  (Clinica,  história  de  vida,  grupo)   • Documental  (método);
(Técnica) • Bibliográfico  (método);
• Ficha  ou  guião  de  observação; • Observação(Técnica)
• Diário  do  bordo   • Entrevista  (Clinica,  história  de  vida,  
• Métodos:  documental,  bibliográfico grupo)  (Técnica)
10/05/17 4Aula  proferida  pelo  Prof.  Doutor  Zavale 4
 Introdução à Estatística:
Cap.  1:  Variância,  População  e  Amostra

4 Estatística? Cap. 2 Estatística descritiva

Cap. 3 Inferência Estatística

Tema n.º 3. Amostragem
Cap. 2 Estatística descritiva
SPSS STATISTICS? CAP.  4:  Iintrodução ao  SPSS  Statistics
PERGUNTA DE PARTIDA

Uma ou poucas variáveis CAP.  4:  Iintrodução  ao  SPSS  Statistics

Resumir  informação  em  índices  ortogonais Cap. 9 Análise factorial

ANÁLISE EXPLORATÓRIA DE Descobrir factores latentes responsáveis pela associações Cap. 10: Análise de Componetentes
DADOS Múltiplas  variáveis entre variáveis Principais

Definir grupos de sujeitos estruturalmente semelhantes Cap. 11: Análise de Clusters

Identificar semelhanças entre objectos e criar mapas Capp. 12 Escalonamento  
percentuais Multidimensional

Conceitos básicos Cap. 3 Inferência Estatística

ANÁLISE  ESTATÍSTICA COM  O  SPSS

Amostras independentes Cap. 6: Testes paramétricos

Variáveis  dependente  quantitativa Cap. 7: Testes não paramétricos

Comparação de grupos Amostras emparalhadas Cap. 8: Testes paramétricos

Cap.  8:  Testes  não  paramétricos

Variáveis  dependente  
ANÁLISE INFERENCIAL qualitativa
Variáveis  independentes  qualitativas Cap. 13: Análise Discriminante
Cap. 5: Comparação de contagens e
Variáveis  independentes  quantitativas
proporções

Variáveis  dependente  
Cap.  14:  Regressão  linear
quantitativa
ESTIMAR MODELOS DE PREVISÃO

Variáveis  dependente  
Cap.  14:  Regressão  categorial
qualitativa
DADOS HIERÁRQUICOS Cap.  16:  Modelos  lineares  hierárquicos Fonte:  (Marôco , 2011)
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 5
 Resumo  do  tema  3:  Variáveis,  população  e  Amostra
Variáveis  e  Constantes
a) Nominal
Escalas  Qualitativas
Variáveis  Estatísticas  e  Escalas  de   Ordinal
Variáveis,  população  e  Amostra

Medida
Intervalar
Escalas  Quantitativas
Rácio

População  teórica
b) População  do  estudo
Quadro  de  Amostragem
Universo/População  vs Amostras Amostra
Aleatória  simples
Aleatória  sistemática
Amostragem  probabilística Aleatória  estratificada
Aleatória  por  Clusters
Aleatória  por  fases
c) Aleatória  por  Multi-­‐etapas

Teoria  da  Amostragem Intencional

Snowball
Amostragem  não  probabilística Conveniência
Quotas
Random route
4

Independentes
Amostras d) Emparelhadas
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 6
 1 Variáveis estatísticas e escalas de medida: Classificação
a) VARIÁVEIS QUALITATIVAS:
ESCALA NOMINAL
• Numa escala NOMINAL, os elementos são atributos ou qualidades.
Exemplo de escalas de medida nominal, o sexo, a religião, a raça. As variáveis são medidas em classes discretas, mas
não é possível estabelecer à partida um qualquer tipo de qualificação ou ordenação (Pestana e Gageiro,1998).

ESCALA ORDINAL

• Numa escala ORDINAL apenas podem ser distinguidos diferentes graus de um atributo ou variável,
existindo portanto entre eles uma relação de ordem:
• Por exemplo, (1) classe social baixo, (2) classe social médio, (3) classe social alta e ou os graus de
habilitações (básico, secundário, universitário). As variáveis são medidas em classes discretas entre as
quais é possível definir uma determinada ordem, segundo uma relação descritível mas não qualificável
(idem).
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 7
 Continuação
a) Variáveis estatísticas e escalas de medida: Classificação
b) VARIÁVEIS QUANTITATIVAS:
ESCALA INTERVALAR
• Numa escala de INTERVALO(AR) o uso de números para classificar os elementos é feito de forma que, a igual diferença
entre os números, corresponda igual diferença nas quantidades do atributo. Por exemplo, a temperatura medida em graus
Celsius ou Faherenheit. As variáveis assumem valores quantitativos e podemos afirmar por exemplo que uma
temperatura de 30ºC é menor que uma temperatura de 39ºC.

ESCALA DE RÁCIO

• RÁCIO: Por exemplo o peso ou altura são exemplos de escalas de medida de rácio. As variáveis assumem
valores quantitativos cuja relação exacta entre estes é possível definir porque esta escala possui um zero
absoluto. Exemplo, podemos afirmar que um indivíduo que pesa 80kg, é mais pesado que um indivíduo que
pesa 40kg, mas também que o peso do primeiro é exactamente 2x (duas vezes) superior ao do segundo
indivíduo.
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 8
 b) Universo/População vs Amostra;
Def.: População é definido como a totalidade de elementos que estão em
conformidade com as especificações estabelecidas. As especificações definem
os elementos que pertencem ao grupo alvo e aqueles que não pertence
(Churchill, 1983).

Exemplo da População
• Cardume de peixe, Formigas; Cavalos; Burros; Leões; gafanhotos; abelhas; Ratos,
Baratas; Pessoas, Empresas/instituições (Universidades; Institutos (básicos, médios
ou superiores); Escolas; Ministérios; Distritos, Conselhos Municipais, Conselhos
Municipais; etc. – OBJECTO DO INVESTIGAÇÃO/ESTUDO.
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 9
 Base  de  dados:  SPSS,  
Mapa da Pop.
População vs Amostra EXCEL,  DEA,  etc.
de MZ: censos.
INFERÊNCIA  ESTATÍSTICA ESTATÍSTICA  DESCRITIVA  
👫👫👫👫 Generalização  para  a  população   CARACTERIZAÇÃO  
👫👫👫👫 teórica DA  AMOSTRA
👫👫👫👫
👫👫👫👫 👫👫👫👫
👫👫👫👫 👫👫👫👫
👫👫👫👫 👫👫👫
Que população 👫👫👫👫 Como é que estes 👫👫👫
👫👫👫👫 Está acessível? 👫👫👫👫 indivíduos vão AMOSTRA
👫👫👫👫 👫👫👫👫 ser amostrados?

População  Teórica   População  alvo  =  estudo  de  caso  

(Total)10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale (Maroco,  2011:  
10 9)
 c) AMOSTRA
Amostra:
é “um subconjunto de elementos pertencentes a uma população. A
informação recolhida para uma amostra é depois generalizada a toda a
população. Nem sempre as amostras reflectem a estrutura da população de
onde foram retiradas ou são representativas dessas populações podendo
levar nesses casos a informação erradas ou enviesamento dos resultados.”
(Charles, 1998:145).

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 11

 d) TEORIA DA AMOSTRAGEM

´Amostragem – é o processo de selecção do número de sujeitos que

participam num estudo.
´ Sujeito – é o individuo de quem se recolhem dados (participante na
investigação qualitativa)
´Uma amostra está bem definida se o individuo descrever com exactidão:
a) o procedimento de amostragem que utilizou para seleccionar a amostra;
b) as características da amostra seleccionadas.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 12

 TIPOS DE AMOSTRAGEM

1 2
Amosntragem Amosntragem Não
Probabilistica probabilistica
Ou ou  
Aleatória   Não Aleatória  

(Churchill (1983); Ghiglione & Matalon (1993); Maroco (2011), etc.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 13
 Amosntragem Probabilistica Ou Aleatória:

Ø Simples; Amostragem probabilística

são científicas e baseiam-
Ø Sistemáticas;
se em leis matemáticas e
ØEstratificada; estatística.
Ø Por Clusters
Ø Multi-etapas,
Ø multifases
(Churchill (1983); Ghiglione & Matalon (1993); Maroco, 2011), etc.
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 14
 Probabilística  ou  Aleatória  simples
Uma amostra aleatória simples, a probabilidade de qualquer elemento ser seleccionado
é a mesma e igual a n/N, o quociente entre a dimensão da amostra (n) e a dimensão da
população (N). – Probab = n/N; Probab de 1 não ser incluído = (N-1)/N; Probab de 1 ser
incluído = 1 - 𝑁 − 𝑛 /𝑁 ou n/N.

Ex. para representar os alunos do 21º PGPAP, podemos escrever os nomes de todos os
formandos nuns papeis, baralhamos e depois tirarmos alguns nomes ao acaso (se a
população é reduzida).

(Churchill (1983); Ghiglione & Matalon (1993); Maroco, 2011), etc.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 15
 Amostragem aleatória sistemática
Amostragem aleatória sistemática – quando K (membros
da população) fica seleccionado automaticamente a partir de
um numero inicial escolhido ao acaso. (k obtém-se
dividindo o tamanho da população pelo da amostra.
Escolhe-se aleatoriamente um n.º J entre (1 e k). Partindo
deste n.º, adicionar sucessivamente o valor k, ficando assim
selecionados os elementos j, j+k; j+2k; j+3k, ...j + (n-1)k,
perfazendo o n.º n.
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 16
Exemplo  cálculo:  N/n
• “Se a população tem 5135 indivíduos e se pretende uma amostra
aleatória sistemática de 100 (definido pela investigação), então o intervalo
da amostra será 5135/100 ou seja 51,35 originando k=51; seguidamente
escolhe-se aleatoriamente um número entre 1 e 51 (por exemplo o 2) e por
fim todos os 51 -ésimos elementos da lista” (Churchill, 1983);

Neste caso a amostra seria composta pelos elementos da população que

correspondessem aos números 2, 53, 104, 155, ..., 5051

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 17

 Amostragem aleatória Estratificada

Amostragem aleatória Estratificada – Define-se como sendo um processo de

amostragem em que a população é dividida em L estratos mutua e
exaustivamente exclusivos, sendo retirada uma amostra aleatória de n1
elementos de cada estrato (Churchill, 1983). A amostragem é feita de forma
independente em cada estrato.

Ghiglione e Matalon (1995)

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 18
 Amostragem aleatória por Clusters

Amostragem aleatória por Clusters – A amostragem por Cluster é

um processo amostral em que os Clusters são escolhidos
aleatoriamente e dentro de cada cluster todos os elementos são
seleccionados, ou seja, só existe uma etapa de amostragem.

Ghiglione e Matalon (1995)

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 19
 Amostra Não probabilistica ou Não Aleatória

Amostra Não probabilística ou

Ø Intencional;
Não Aleatória assentam em base
Ø Snowball; subjectiva do investigador. Não
Ø Conveniência; são de carácter matemático ou
Ø Quotas estatístico.
Ø Random route.

(Churchill (1983); Ghiglione & Matalon (1993); Maroco, 2011), etc.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 20

 Amosntragem Não  probabilistica ou    Não  Aleatória  Intencional

É uma amostra composta de elementos seleccionados deliberadamente

(intencionalmente) pelo investigador, geralmente porque este considera que
possuem características que são típicas ou respectivas da população (Vogt,
1993).

Ex: a escolha, em tempos de eleições presidenciais, de localidades “representativas”, sendo a

representatividade neste caso assegurada pela escolha das localidades que historicamente
têm dados como vencedor o presidente efectivamente eleito (Churchill, 1983).

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 21

 Amosntragem Não probabilistica ou Não Aleatória Snowball

É uma forma de amostra intencional em que o investigador pede a

cada inquerido, após ser entrevistado, nomes de outros indivíduos
que podem ser igualmente inquiridos. A amostra vai-se tornando uma
“uma bola de neve” pois vai aumentando à medida que os
respondentes identificam outros potenciais respondentes.

(Churchill,  1983)
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 22
Amosntragem Não  probabilistica ou    Não  Aleatória  
Conveniência
Na amostragem por conveniência os elementos são escolhidos porque se
encontram onde os dados para o estudo estão a ser recolhidos. As sua
participação no estudo é como que “acidental” (Churchill, 1993; Vogt, 1993).

Ex. Auscultações telefónicas feitas por algumas estações televisivas ou de

rádio, em que os telespetadores ou os ouvintes são convidados a emitirem a sua
opinião sobre determinado assunto, sendo os resultados finais da auscultação
tomados como o sentimento geral da população.
EX. O Fenómeno de raptos em Moçambique – Opinião pública.
10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 23
 DETERMINAÇÃO DO TAMANHO DA AMOSTRA

A  dimensão  da  Amostra

Ao planear qualquer sondagem uma questão

que merece sempre grande atenção é a
decisão quanto ao número de indivíduos que
a amostra deve conter.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 24

 DETERMINAÇÃO DO TAMANHO DA AMOSTRA
Continuação

Factores que  determinão tamanho  da  amostra

• Amplitude do Universo;
• Grau de confiança estabelecida;
• Erro da amostra;
• Percentagem com o qual o fenómeno se verifica

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 25

 DETERMINAÇÃO DO TAMANHO DA AMOSTRA
Continuação
• Amplitude do Universo;
A extensão da amostra tem a ver com a extensão do universo.

Portanto, os universos de investigação/pesquisa são classificadas em

Universo finitos, por sua vez, são aqueles cujo número de elementos

não excede a 100.000. Universos infinitos, por sua vez, são aqueles

que apresentam elementos superiores ao finito.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 26

 DETERMINAÇÃO DO TAMANHO DA AMOSTRA
Continuação
• Grau de confiança estabelecida
Grau de certeza que se tem a respeito da precisão a estimatimativa.

Existe um trad-­‐off entre grau de confiança e precisão.

Matematicamente expressso por 𝜌&|𝜃 − 𝜃) ≤ 𝛽) = 1 − 𝛼, com 0<∝

1, 𝑠𝑒𝑛𝑑𝑜:  𝜷  -­‐ a diferença máxima que se pretende que exista entre

estimativas e parâmetros.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 27

 DETERMINAÇÃO DO TAMANHO DA AMOSTRA
Continuação
• Erro da amostra
Corresponde à diferença entre a estimativa retirada da amostra, e o

verdadeiro valor do parâmetro da população. Pode ser

matematicamente expresso por |𝜃 − 𝜃|.

O erro da amostra é expresso em percentagem e nas pesquisas sociais

utiliza-­‐se normalmente com uma estimativa de erro entre 3 e 5%.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 28

 Cálculo da amostra
O cálculo do tamanho da amostra pode exigir o concurso de procedimentos
estatísticos especializados
9: ;.=
Fórmulas : 𝑛 = ℯ:
;  onde:

n=  Tamanho  da  amostra;

𝛼 ? =  Nível  de  confiança  escolhido;  expresso  em  número  de  Desvio-­‐padrão

𝜌 =  Percentagem  com  a  qual  o  fenómeno  se  verifica;

q  =  Percentagem  complementar  (100-­‐p);

10/05/17
ℯ ? =  Erro  máximo  permitido
Aula  proferida  pelo  Prof.  Doutor  Zavale 29
 Referência Bibliográfica (Modelo APA)

Churchill, J. G. (1983). Marketing Research -­‐ Methodological Foundations (3 ed.). The

Dryden Press.
Ghiglione, R., & Matalon, B. (1993). O Inquérito - Teoria e Prática. Oeiras: Celta.
Maroco, J. (2011). Análise Estatística com o SPSS Statistics (5 ed.).
www.reportnumber.pt/ae: ReportNumber.
Pestana, M. H., & Gageiro, J. N. (1998). Análise de Dados para Ciências Sociais - A
Complementaridade do SPSS (1 ed.). Portugal: Edições Sílabo, Lda.
Vogt, P. (1993). Dicionary of Statistics and Methodology. Sage Publications.

10/05/17 Aula  proferida  pelo  Prof.  Doutor  Zavale 30